论文标题：Box Re-Ranking: Unsupervised False Positive Suppression for Domain Adaptive Pedestrian Detection 论文链接：https://arxiv.org/abs/2102.00595 作者单位：浙江大学, 海康威视研究院 据作者称，这是第一个旨在以无监督方式抑制域自适应行人检测误报的工作，表现SOTA！性能优于AT-Faster、DA-Detection等网络。

误报（False positive）是域自适应行人检测中不可知domain shift带来的最严重问题之一。但是，不可能在无数目标域中标记每个框。因此，它引起我们的注意，以无监督的方式抑制每个目标域中的false positive。本文创新地将目标检测任务建模为positive and negative boxes之间的排序任务，从而将误报抑制问题优雅地转化为box re-ranking问题，无需人工注释即可解决。重新排序框时出现的一个附加问题是，没有标记的验证数据可用于挑选。考虑到我们的目标是保持true positive的检测不变，我们提出了box number alignment（一种自监督的评估指标），以防止优化的模型发生容量退化。对跨域行人检测数据集进行的大量实验证明了我们提出的框架的有效性。此外，对两个通用无监督域自适应目标检测基准的扩展也支持了我们相对于其他最新技术的优越性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除